Java中的JVM字符串性能優化
一、引言
String 對象是我們使用很頻繁的一個對象類型，但它的性能問題卻是很容易被忽略的。String 對象作為 Java 語言中重要的數據類型，是內存中占據空間較大的一個對象。高效地使用字符串，可以提升系統的整體性能。
二、String 對象的實現
在 Java 語言中，Sun 公司的工程師們對 String 對象做了大量的優化，來節約內存空間，提升 String 對象在系統中的性能。
1. 在 Java6 以及之前的版本中，String 對象是對 char 數組進行了封裝實現的對象，主要有四個成員變量：char 數組、偏移量 offset、字符數量 count、哈希值 hash。String 對象是通過 offset 和 count 兩個屬性來定位 char[] 數組，獲取字符串。這么做可以高效、快速地共享數組對象，同時節省內存空間，但這種方式很有可能會導致內存泄漏。
2. 從 Java7 版本開始到 Java8 版本，Java 對 String 類做了一些改變。String 類中不再有 offset 和 count 兩個變量了。這樣的好處是 String 對象占用的內存稍微少了些，同時，String.substring 方法也不再共享 char[]，從而解決了使用該方法可能導致的內存泄漏問題。
3. 從 Java9 版本開始，工程師將 char[] 字段改為了 byte[] 字段，又維護了一個新的屬性 coder，它是一個編碼格式的標識。
工程師為什么這樣修改呢?
我們知道一個 char 字符占 16 位，2 個字節。這個情況下，存儲單字節編碼內的字符(占一個字節的字符)就顯得非常浪費。JDK1.9 的 String 類為了節約內存空間，于是使用了占 8 位，1 個字節的 byte 數組來存放字符串。
而新屬性 coder 的作用是，在計算字符串長度或者使用 indexOf()函數時，我們需要根據這個字段，判斷如何計算字符串長度。coder 屬性默認有 0 和 1 兩個值，0 代表 Latin-1(單字節編碼)，1 代表 UTF-16。如果 String 判斷字符串只包含了 Latin-1，則 coder 屬性值為 0，反之則為 1。
三、String 對象的不可變性起因
了解了 String 對象的實現后，你有沒有發現在實現代碼中 String 類被 final 關鍵字修飾了，而且變量 char 數組也被 final 修飾了。
我們知道類被 final 修飾代表該類不可繼承，而 char[] 被 final+private 修飾，代表了 String 對象不可被更改。Java 實現的這個特性叫作 String 對象的不可變性，即 String 對象一旦創建成功，就不能再對它進行改變。
四、String 對象的不可變性好處
1.保證 String 對象的安全性。假設 String 對象是可變的，那么 String 對象將可能被惡意修改。
2.保證 hash 屬性值不會頻繁變更，確保了唯一性，使得類似 HashMap 容器才能實現相應的 key-value 緩存功能。
3.可以實現字符串常量池。在 Java 中，通常有兩種創建字符串對象的方式，一種是通過字符串常量的方式創建，如 String str=“abc”;另一種是字符串變量通過 new 形式的創建，如 String str = new String(“abc”)。
當代碼中使用第一種方式創建字符串對象時，JVM 首先會檢查該對象是否在字符串常量池中，如果在，就返回該對象引用，否則新的字符串將在常量池中被創建。這種方式可以減少同一個值的字符串對象的重復創建，節約內存。
String str = new String(“abc”) 這種方式，首先在編譯類文件時，“abc”常量字符串將會放入到常量結構中，在類加載時，“abc”將會在常量池中創建;其次，在調用 new 時，JVM 命令將會調用 String 的構造函數，同時引用常量池中的“abc” 字符串，在堆內存中創建一個 String 對象;最后，str 將引用 String 對象。
五、String 對象的優化
1. 如何構建超大字符串?
編程過程中，字符串的拼接很常見。前面我講過 String 對象是不可變的，如果我們使用 String 對象相加，拼接我們想要的字符串，是不是就會產生多個對象呢?例如以下代碼：
- String str= "ab" + "cd" + "ef";
分析代碼可知：首先會生成 ab 對象，再生成 abcd 對象，最后生成 abcdef 對象，從理論上來說，這段代碼是低效的。
但實際運行中，我們發現只有一個對象生成，這是為什么呢?難道我們的理論判斷錯了?我們再來看編譯后的代碼，你會發現編譯器自動優化了這行代碼，如下：
- String str= "abcdef";
上面介紹的是字符串常量的累計，再來看看字符串變量的累計又是怎樣的呢?
- String str = "abcdef";
- for(int i=0; i<1000; i++) {
- str = str + i;
- }
上面的代碼編譯后，你可以看到編譯器同樣對這段代碼進行了優化。不難發現，Java 在進行字符串的拼接時，偏向使用 StringBuilder，這樣可以提高程序的效率。
- String str = "abcdef";
- for(int i=0; i<1000; i++) {
- str = (new StringBuilder(String.valueOf(str))).append(i).toString();
- }
綜上已知：即使使用 + 號作為字符串的拼接，也一樣可以被編譯器優化成 StringBuilder 的方式。但再細致些，你會發現在編譯器優化的代碼中，每次循環都會生成一個新的 StringBuilder 實例，同樣也會降低系統的性能。
所以平時做字符串拼接的時候，我建議你還是要顯示地使用 String Builder 來提升系統性能。
如果在多線程編程中，String 對象的拼接涉及到線程安全，你可以使用 StringBuffer。但是要注意，由于 StringBuffer 是線程安全的，涉及到鎖競爭，所以從性能上來說，要比 StringBuilder 差一些。
2. 如何使用 String.intern 節省內存?
講完了構建字符串，我們再來討論下 String 對象的存儲問題。先看一個案例。
Twitter 每次發布消息狀態的時候，都會產生一個地址信息，以當時 Twitter 用戶的規模預估，服務器需要 32G 的內存來存儲地址信息。
- public class Location {
- private String city;
- private String region;
- private String countryCode;
- private double longitude;
- private double latitude;
- }
考慮到其中有很多用戶在地址信息上是有重合的，比如，國家、省份、城市等，這時就可以將這部分信息單獨列出一個類，以減少重復，代碼如下：
- public class SharedLocation {
- private String city;
- private String region;
- private String countryCode;
- }
- public class Location {
- private SharedLocation sharedLocation;
- double longitude;
- double latitude;
- }
通過優化，數據存儲大小減到了 20G 左右。但對于內存存儲這個數據來說，依然很大，怎么辦呢?
這個案例來自一位 Twitter 工程師在 QCon 全球軟件開發大會上的演講，他們想到的解決方法，就是使用 String.intern 來節省內存空間，從而優化 String 對象的存儲。
具體做法就是，在每次賦值的時候使用 String 的 intern 方法，如果常量池中有相同值，就會重復使用該對象，返回對象引用，這樣一開始的對象就可以被回收掉。這種方式可以使重復性非常高的地址信息存儲大小從 20G 降到幾百兆。
- SharedLocation sharedLocation = new SharedLocation();
- sharedLocation.setCity(messageInfo.getCity().intern()); sharedLocation.setCountryCode(messageInfo.getRegion().intern());
- sharedLocation.setRegion(messageInfo.getCountryCode().intern());
- Location location = new Location();
- location.set(sharedLocation);
- location.set(messageInfo.getLongitude());
- location.set(messageInfo.getLatitude());
為了更好地理解，我們再來通過一個簡單的例子，回顧下其中的原理：
- String a =new String("abc").intern();
- String b = new String("abc").intern();
- if(a==b) {
- System.out.print("a==b");
- }
輸出結果：
- a==b
在字符串常量中，默認會將對象放入常量池;在字符串變量中，對象是會創建在堆內存中，同時也會在常量池中創建一個字符串對象，復制到堆內存對象中，并返回堆內存對象引用。
如果調用 intern 方法，會去查看字符串常量池中是否有等于該對象的字符串的引用，如果沒有，在 JDK1.6 版本中會復制堆中的字符串到常量池中，并返回該字符串引用，堆內存中原有的字符串由于沒有引用指向它，將會通過垃圾回收器回收。
在 JDK1.7 版本以后，由于常量池已經合并到了堆中，所以不會再復制具體字符串了，只是會把首次遇到的字符串的引用添加到常量池中;如果有，就返回常量池中的字符串引用。
了解了原理，我們再一起看下上邊的例子。
在一開始字符串“abc”會在加載類時，在常量池中創建一個字符串對象。
創建 a 變量時，調用 new String() 會在堆內存中創建一個 String 對象，String 對象中的 char 數組將會引用常量池中字符串。在調用 intern 方法之后，會去常量池中查找是否有等于該字符串對象的引用，有就返回引用。
創建 b 變量時，調用 new String() 會在堆內存中創建一個 String 對象，String 對象中的 char 數組將會引用常量池中字符串。在調用 intern 方法之后，會去常量池中查找是否有等于該字符串對象的引用，有就返回引用。
而在堆內存中的兩個對象，由于沒有引用指向它，將會被垃圾回收。所以 a 和 b 引用的是同一個對象。
如果在運行時，創建字符串對象，將會直接在堆內存中創建，不會在常量池中創建。所以動態創建的字符串對象，調用 intern 方法，在 JDK1.6 版本中會去常量池中創建運行時常量以及返回字符串引用，在 JDK1.7 版本之后，會將堆中的字符串常量的引用放入到常量池中，當其他堆中的字符串對象通過 intern 方法獲取字符串對象引用時，則會去常量池中判斷是否有相同值的字符串的引用，此時有，則返回該常量池中字符串引用，跟之前的字符串指向同一地址的字符串對象。
以一張圖來總結 String 字符串的創建分配內存地址情況：
使用 intern 方法需要注意的一點是，一定要結合實際場景。因為常量池的實現是類似于一個 HashTable 的實現方式，HashTable 存儲的數據越大，遍歷的時間復雜度就會增加。如果數據過大，會增加整個字符串常量池的負擔。
3. 如何使用字符串的分割方法?
Split() 方法使用了正則表達式實現了其強大的分割功能，而正則表達式的性能是非常不穩定的，使用不恰當會引起回溯問題，很可能導致 CPU 居高不下。
所以我們應該慎重使用 Split() 方法，我們可以用 String.indexOf() 方法代替 Split() 方法完成字符串的分割。如果實在無法滿足需求，你就在使用 Split() 方法時，對回溯問題加以重視就可以了。
六、總結
我們認識到做好 String 字符串性能優化，可以提高系統的整體性能。在這個理論基礎上，Java 版本在迭代中通過不斷地更改成員變量，節約內存空間，對 String 對象進行優化。
我們還特別提到了 String 對象的不可變性，正是這個特性實現了字符串常量池，通過減少同一個值的字符串對象的重復創建，進一步節約內存。
但也是因為這個特性，我們在做長字符串拼接時，需要顯示使用 StringBuilder，以提高字符串的拼接性能。最后，在優化方面，我們還可以使用 intern 方法，讓變量字符串對象重復使用常量池中相同值的對象，進而節約內存。
最后再分享一個個人觀點。那就是千里之堤，潰于蟻穴。日常編程中，我們往往可能就是對一個小小的字符串了解不夠深入，使用不夠恰當，從而引發線上事故。
比如，在我之前的工作經歷中，就曾因為使用正則表達式對字符串進行匹配，導致并發瓶頸，這里也可以將其歸納為字符串使用的性能問題。
【本文是51CTO專欄機構“AiChinaTech”的原創文章，微信公眾號( id: tech-AI)”】
